について
このスキルは、リスク測定と監視のため、VaR、CVaR、シャープレシオ、ソルティノレシオなどの主要なポートフォリオリスク指標を計算します。開発者は、リスク制限の実装、ダッシュボードの構築、またはドローダウン分析の実施時にこれを利用すべきです。これは、ボラティリティ、テールリスク、およびリスク調整後リターンを定量化するための包括的なツールキットを提供します。
クイックインストール
Claude Code
推奨npx skills add ccf/claude-code-ccf-marketplace -a claude-code/plugin add https://github.com/ccf/claude-code-ccf-marketplacegit clone https://github.com/ccf/claude-code-ccf-marketplace.git ~/.claude/skills/risk-metrics-calculationこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
GitHub リポジトリ
Frequently asked questions
What is the risk-metrics-calculation skill?
risk-metrics-calculation is a Claude Skill by ccf. Skills package instructions and resources that Claude loads on demand, so Claude can perform risk-metrics-calculation-related tasks without extra prompting.
How do I install risk-metrics-calculation?
Use the install commands on this page: add risk-metrics-calculation to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does risk-metrics-calculation belong to?
risk-metrics-calculation is in the Meta category, tagged design.
Is risk-metrics-calculation free to use?
Yes. risk-metrics-calculation is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
関連スキル
このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
